用 ROC 曲線比較羅吉斯迴歸模型

在 R 中可以用 pROC 套件輕鬆建立 ROC 曲線。來看看本課程先前用到的 4 個羅吉斯迴歸模型之間，ROC 曲線是否有明顯差異。先提供一些說明：

predictions_logit：使用預設的 logit 連結函式所做的違約機率（PD）預測，包含變數 age、emp_cat、ir_cat 和 loan_amnt。
predictions_probit：使用 probit 連結所做的 PD 預測，包含變數 age、emp_cat、ir_cat 和 loan_amnt。
predictions_cloglog：使用 cloglog 連結所做的 PD 預測，包含變數 age、emp_cat、ir_cat 和 loan_amnt。
predictions_all_full：使用預設的 logit 連結所做的 PD 預測，並納入資料集中全部 7 個變數。

你會先把這 4 個模型的 ROC 曲線畫在同一張圖上，接著再查看曲線下面積。

本練習屬於課程

R 的信用風險建模

檢視課程

練習說明

在 R 主控台載入 pROC 套件。
使用 roc(response, predictor) 為 4 個羅吉斯迴歸模型建立 ROC 物件。記得 response 是 test_set 中的貸款狀態指標，可用 test_set$loan_status 取得。
用前一步建立的物件來畫 ROC 曲線。要把它們畫在同一張圖上，第一條（ROC_logit）用 plot()，其餘三條則用 lines() 加到同一張圖上。
使用 col 參數變更曲線顏色：ROC_probit 為 "blue"、ROC_cloglog 為 "red"、ROC_all_full 為 "green"。請注意，和影片中的說明不同，這裡 x 軸標籤是 Specificity，而不是「1-Specificity」，因此座標軸會從左側的 1 走到右側的 0。
看起來連結函式對 ROC 的影響不大，關鍵在於模型是否納入更多變數。若要更精確比較 ROC 表現，請查看 AUC，使用函式 auc()。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Load the pROC-package


# Construct the objects containing ROC-information
ROC_logit <- roc(test_set$loan_status, predictions_logit)
ROC_probit <- 
ROC_cloglog <-
ROC_all_full <- 

# Draw all ROCs on one plot
plot(___)
lines(___, col=___)
lines(___, col=___)
lines(___, col=___)

# Compute the AUCs

編輯並執行程式碼